[发明专利]基于用户属性标签的群体行为配电网用电异常检测方法在审

专利信息
申请号: 201910473316.5 申请日: 2019-05-31
公开(公告)号: CN110288383A 公开(公告)日: 2019-09-27
发明(设计)人: 田英杰;吴力波;周阳;马戎;施政昱;陈伟;苏运;郭乃网;瞿海妮;张琪祁;时志雄;宋岩;庞天宇;沈泉江 申请(专利权)人: 国网上海市电力公司;复旦大学;华北电力大学
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q50/06;G06K9/62
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 赵继明
地址: 200002 上海市浦东新区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 异常检测 配电网 单位周期 群体行为 特征矩阵 用电用户 用户属性 标签 矩阵 准确度 标签标记 模型计算 趋势序列 数据比对 台账信息 效率系数 循环执行 异常用电 异常用户 因子算法 用户负载 用户用电 用电量 检测
【权利要求书】:

1.一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,该方法包括以下步骤:

步骤1:针对单个用电用户建立用电量序列;

步骤2:针对单个用电用户采用随机前沿模型计算用户负载效率系数;

步骤3:针对单个用电用户建立用电趋势序列;

步骤4:针对单个用电用户提取其台账信息数据并进行标签标记;

步骤5:针对单个用户结合步骤1至步骤4中各步骤获取的数据信息建立用户单位周期内的特征矩阵并循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵;

步骤6:针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分;

步骤7:将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。

2.根据权利要求1所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述的步骤1中用电量序列,其描述公式为:

式中,表示电力用户Vn第r个周期的用电量序列,表示电力用户Vn第r个周期的以1~T天各天用电量为一个周期的用电量值,r和T表示自然数。

3.根据权利要求1所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述步骤2中的用户负载效率系数的计算公式为:

式中,TEt表示用户负载效率系数,Wt表示用户用电功率,Ut表示扩展后的空闲容量,Wst表示合同容量,R表示自然数。

4.根据权利要求3所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述的用户用电功率的计算公式为:

式中,β表示待估计参数向量,ut表示扩展前的空闲容量,vt表示随机扰动项,f()表示生产函数。

5.根据权利要求1所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述步骤3包括以下分步骤

步骤31:计算多个周期对应的用电趋势值;

步骤32:将所有的用电趋势值组合成用电趋势序列。

6.根据权利要求5所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述的步骤31中的用电趋势值的计算公式为:

式中,ΔLrt表示电力用户Vn第r个周期的用电趋势值,和表示电力用户Vn第r个周期中前后两天各自的用电量值。

7.根据权利要求5所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述的步骤32中的用电趋势序列,其描述公式为:

式中,ΔLrn表示用电趋势序列,表示用电趋势序列中的各个用电趋势元素值。

8.根据权利要求1所述的一种基于用户属性标签的群体行为配电网用电异常检测方法,其特征在于,所述步骤5中的单位周期内的特征矩阵内的元素信息包括每个用户的每个周期内的用电趋势、标准差、平均用电水平、用户用电类型、合同容量和信用等级。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网上海市电力公司;复旦大学;华北电力大学,未经国网上海市电力公司;复旦大学;华北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910473316.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top